论文部分内容阅读
基于小波分解（WT）和最小二乘支持向量机（LSSVM）理论，建立了将二者相结合的大气臭氧含量时间序列预测模型。采用香河等4个观测站的月平均臭氧总量观测样本，经小波分解为不同频段的子序列，将这些子序列分别进行LSSVM预测，最后经小波重构得到月平均臭氧总量时间序列预测结果。实验表明该方法能有效预测大气臭氧含量，与支持向量机（SVM）以及人工神经网络（ANN）的预测结果相比，该方法具有较高的预测精度。